机器学习 + 分子动力学 + 第一性原理计算 + 热力学性质（熔化温度 & 热导率 & 热膨胀系数）

---

================================

分享一篇关于机器学习 + 分子动力学 + 第一性原理 + 热力学性质（熔化温度 & 热导率 & 热膨胀系数）的文章。

感谢论文的原作者！

关键词：

1. Al−Li alloy

2. Neural network potential

3. Molecular dynamics

4. Thermal property

5. Melting：two-phase coexistence

================================

主要内容

“由于显着增强的放热能力和增加的比冲量，铝锂合金是先进能源和推进剂系统中可行且有前景的添加剂。铝锂合金的热性能直接决定推进剂的制造、储存安全和着火延迟。在这项研究中，开发了神经网络势（NNP），从原子角度研究铝锂合金的热行为。这种新颖的 NNP 对能量、原子力、机械行为、声子振动和动态演化表现出出色的预测能力。进行了一系列基于 NNP 的分子动力学模拟，以研究 Li 掺杂对 Al-Li 合金热性能的影响。Al-Li合金的所有计算结果与Al的实验值一致，确保了其预测Al-Li相互作用的有效性。模拟结果表明，Li 含量的微小增加会导致熔点、热膨胀和自由基分布函数的轻微变化。这三个性质与晶格特性有关；然而，它会导致热导率大幅降低，这与元件的物理特性有关。较低的导热率允许热量在颗粒表面积聚，从而加速表面预熔化和点燃。这为铝锂合金燃烧性能的改善提供了另一种原子解释。这些发现将合金材料科学领域的见解融入到关键的燃烧应用中，为开发制造技术提供了原子指南。”——取自文章摘要。

================================

问题：这篇文章采用 mdapy 程序中的 polyhedral template matching 方法识别了 Li-Al 合金的固态和液态结构。OVITO 软件中也有  polyhedral template matching 方法，它能够识别单质的晶体构型，如 BCC、FCC、HCP 等，但是好像不能准确识别化合物的晶体构型，在 OVITO  软件中如何识别化合物的构型呢？欢迎大家留言赐教！

mdapy 程序链接:

https://mp.weixin.qq.com/s__biz=MzkyMDI5NDI2MQ==&mid=2247484522&idx=1&sn=deae8583f1712706fc1b7275e626a1c6&chksm=c1944270f6e3cb667aa6ada1874ca433ac18d20c0650d7563de483f30beade309b6b6b1906f5&token=432822311&lang=zh_CN#rd

================================

================================

Figure 1

Figure 2

Figure 3

Figure 4

Figure 5

Figure 6

Figure 7

Figure 8

Figure 9

================================

以上是我们分享的一些经验或者文章的搬运，或有不足，欢迎大家指出！

如有侵权，请联系我立马删除！

详细内容（文章题目、文章链接、附件下载）可在微 信 公 众 号：原子与分子模拟获取，欢迎大家关注。